文/季平

如果人工智慧(AI)進化到可以完全複製人類大腦，甚至更上一層樓，每顆AI腦袋都是IQ180以上，人類將何去何從？是進化成神一般的存在，掌控AI世界，還是被更聰明的AI取代，成為人類版《侏儸紀公園》的動物主角—取代恐龍？又或者，有那麼一天，IQ不足180的人類可以更換AI腦，打造後人類時代的「高度文明世界」？聽起來是腦洞大開的異想世界，但如果科技與人工智慧持續發展，未來還真沒什麼是不可能的。

神經網路的五感運用

人腦是神經網路(Neural Network，NN)架構的靈感謬思，透過腦細胞(神經元)形成高度複雜、互聯的網路系統，相互傳送訊號，協助人類處理資訊。神經網路神複製人腦架構，透過軟體程式或演算法共同協作來解決問題，也就是一種運算系統，由於仿生物的神經網路具有極高的學習能力，大量運用在機器學習和認知科學領域。

人工智慧(AI)簡單來說，就是讓電腦系統具有人類的知識及行為，而且可以像人類般具有學習、推理、判斷能力，具有人類的記憶、知識並了解人類的語言邏輯。透過程式設計，可以將人類解決問題的過程公式化或模組化，如此，就可以賦能電腦解決更為複雜的問題。神經網路包含在人工智慧(AI)中，透過機器深度學習，建立一種讓電腦學習並持續改善的系統，更為精準地解決複雜問題，做出智慧決策。

神經網路於20世紀40年代提出，70年代時原理技術皆已發展成熟。目前神經網路的應用相當多元，如透過醫學影像分類可以進行醫學診斷、透過網路篩選與行為資料分析推播廣告、透過整合金融歷史資料進行金融預測；視覺辨識系統可以識別道路標誌和路況、臉部視覺可以識別臉部的各種樣態，而影像標籤可以識別標誌或其他影像資訊，甚至可以進行內容審核，從內容物中移除不安全或不當內容。

語音辨識部分，神經網路可以協助分析人類語音，進行錄音並提供準確字幕，或將各種對話即時轉化為文件；可以進一步透過自然語言處理(NLP)協助電腦從文字或資料中蒐集到有意義的內容，如常見的虛擬客服及聊天機器人(Chatbot)。隨著網購消費模式興起，也可以透過神經網路追蹤使用者活動，建立消費者輪廓，進一步標籤化以利精準行銷，甚至可以分析使用者或消費者行為，透過智慧產品標記(IPT)蒐集及管理資訊以協助銷售、進行消費者互動，或自動推薦適合使用者及消費者的相關活動及產品。

神經網路的運作方式

人類大腦是相當精密、複雜的多工構造，透過神經線路的連結來處理各種資訊。基本上，大腦在執行任務的過程中會按層級進行排列，每一層或神經元有不同的工作屬性。比方走過香氛店時聞到自己喜愛的香水味道，腦袋會輸入「我愛的香味」資訊，然後出現浪漫場景或特殊的人事物或喜悅的感覺，之後腦中出現是否應該買下香氛的決策內容，或者提醒自己：類似的香氛已經買了很多，但又陷入自我掙扎：這個味道還是有點不一樣的，適合不同情境，最後採取行動買下香氛。

大腦每天都會出現很多類似的「內心戲」，感覺只是三秒鐘的事，大腦可能已經千迴百轉。神經網路也會試圖模擬、推演這類多層次運作方式，處理不同資訊，然後做出決策。神經網路跟人腦一樣可以具有多層神經元，但基本有三層：資訊進入、進行分析與分類的輸入層，處理資訊的隱藏層，以及做出最終決定的輸出層。輸入和輸出層之間可以存在多個隱藏層。多數工作可以在一個或數個隱藏層中獲得解決，但是複雜的工作內容就可能需要多個隱藏層才能獲得解決。研究顯示，多個隱藏層的深度神經網路 (DNN)在影像或語音辨識等較為複雜的工作中發揮更好的效用，因此，難度高的語意解讀就需要更多的隱藏層。

一如大腦的複雜結構，神經網路也高達27種類型，如深度前饋神經網路(Deep Feed Forward)、GRU(Grated Recurrent Unit)、自動編碼器(Auto Encoder)、長短時記憶網路(Long/Short Term Memory)、深度卷積網路（Deep Convolutional Network）、深度卷積反轉圖像網路(Deep Convolutional Inverse Graphics Network)、極端學習機(Extreme Learning Machine)等。

神經網路的主流應用

神經網路目前的主流是深度學習(Deep Learning)，操作上尤重訓練(Training)及推理(Inference)步驟，需要龐大的運算能力及記憶體，而且搭配不同的應用情境，需要局部或全部再次訓練，推理時也需要相當的計算量。深度學習是機器學習(ML)的一部分，是由一系列神經網路提供技術支援，深度學習模型採用多個資料來源資訊，並即時分析資料。其中，圖形處理單元 (GPU)會針對訓練模型進行最佳化，可以同時處理多個運算。不過，深度學習不同於機器學習，後者旨在教電腦處理及學習資料，但是深度學習可以讓電腦不斷訓練自己處理資料、學習並構建更多功能，這部分需要更為複雜的多層神經網路。(圖/AI聊天機器人ChatGPT在全球掀起風潮。Source：OpenAI)(Learn More)